Более экологичное будущее благодаря Vision AI и Ultralytics YOLO

TrashBestie — это новое приложение, которое помогает нам сортировать отходы и управлять ими по-другому и эффективнее с помощью компьютерного зрения. TrashBestie использует глубокое обучение и передовые технологии, чтобы помогать людям действовать и делать планету чище и устойчивее.

Команда TrashBestie представляет будущее, в котором отходы больше не являются проблемой, а становятся возможностью для позитивных изменений. Сортировка отходов важна для защиты окружающей среды, сбережения ресурсов и снижения загрязнения. С этой целью TrashBestie стало цифровым решением, которое позволяет людям без лишних усилий принимать обоснованные решения по управлению отходами. Цель ясна: вдохновить людей объединиться ради ответственного обращения с отходами и сохранить планету чище для будущих поколений.

Познакомься с командой TrashBestie#

Прежде чем мы подробнее рассмотрим инновационные технологии TrashBestie, давай познакомимся с его создателями:

• Helge Rölleke: имеет опыт в продажах медицинских услуг, затем перешёл в сферу анализа данных и провёл новаторское исследование эффективности компаний и вознаграждения руководителей. Он также увлекается грибами и открыт новым возможностям в области анализа данных.
• My: специалист по анализу данных и frontend-разработчик, который сочетает свои навыки для решения сложных задач и создания удобных веб-приложений.
• Simantini Shinde: младший специалист по анализу данных, обладающая опытом в анализе данных, машинном обучении и не только. Simantini активно поддерживает разработку с открытым исходным кодом, постоянно изучает новые технологии и стремится к сбалансированному и устойчивому образу жизни.

Путь к машинному обучению и Vision AI#

Helge начал изучать машинное обучение во время работы над магистерской диссертацией, исследуя связь между вознаграждением руководителя и успехом компании. Для этого использовались регрессионные модели и методы машинного обучения. В буткемпе Spiced Academy Helge смог глубже погрузиться в мир Vision AI. Там он экспериментировал с глубоким обучением и определил полезность моделей Ultralytics YOLO.

My заинтересовалась машинным обучением после того, как её друг поделился своими проектами в области анализа данных. Её увлекло, как данные могут выявлять закономерности и оптимизировать процессы. Поэтому она присоединилась к буткемпу, где познакомилась с Simantini и Helge.

Simantini начала изучать машинное обучение во время работы над магистерской диссертацией. Она обнаружила его потенциал в своей сфере деятельности, связанной с оценкой ущерба зданиям, вызванного землетрясениями. После окончания учёбы Simantini занимала разные должности, связанные с данными. В итоге эта работа привела её в буткемп по анализу данных и пробудила интерес к ML и Vision AI.

Почему для TrashBestie выбрали Ultralytics YOLO#

Использование Ultralytics YOLOv8 в качестве основного инструмента для TrashBestie — это стратегическое решение.

• Удобство использования: поскольку Ultralytics YOLOv8 имеет открытый исходный код и прост в использовании, команда получила к нему лёгкий доступ.
• Точность: Ultralytics YOLOv8 обеспечил более высокую точность, особенно по показателям precision.
• Гибкость: команда смогла без проблем интегрировать Ultralytics YOLOv8 с Roboflow, улучшив свой рабочий процесс.

Как работает TrashBestie?#

TrashBestie работает как персональный помощник по сортировке отходов и использует искусственный интеллект, чтобы упростить этот процесс до четырёх понятных шагов:

1. Съёмка камерой. Используй камеру своего устройства, чтобы сфотографировать отход, который ты не знаешь, как утилизировать.
2. Мгновенное распознавание. Благодаря технологии распознавания изображений Ultralytics YOLOv8 приложение быстро анализирует изображения и определяет разные типы отходов.
3. Полезная информация. TrashBestie не ограничивается рекомендациями. Этот инструмент предоставляет пользователям полезную информацию, помогающую понять предложенные способы утилизации отходов. В результате это способствует долгосрочному обучению и формированию осознанных привычек обращения с отходами.
4. Простота и доступность. Приложение удобно и доступно для всех, поэтому ответственно сортировать отходы может любой пользователь устройства на Android.

Попробуй

Обнаружение объектов с веб-камеры

Создание TrashBestie#

Разработка TrashBestie включает ряд важных этапов:

1. Разметка и аннотирование. Изображения тщательно размечаются и аннотируются с помощью таких инструментов, как Roboflow, чтобы создать надёжный набор данных для обучения.
2. Экспорт набора данных. После экспорта размеченного набора данных набор данных для обнаружения объектов готов к обучению.
3. Обучение с Ultralytics YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных с акцентом на тонкую настройку её параметров для повышения точности обнаружения объектов.
4. Развёртывание в Streamlit. Модель Ultralytics YOLOv8 интегрируется в приложение Streamlit, обеспечивая эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.

Будущее TrashBestie#

TrashBestie продолжает совершенствоваться: команда добавляет локализацию, повышает доступность приложения на iOS и Android и улучшает методы обработки изображений. Команда стремится постоянно повышать производительность и точность приложения.

Посмотри их проект на Devpost, где есть галерея изображений и видео на YouTube с подробностями их работы.

TrashBestie стремится преобразить систему управления отходами и сделать нашу планету чище и устойчивее. Это первый шаг в будущее, который может даже изменить представление о профессиях в сфере управления отходами. Присоединяйся к ним в этом захватывающем путешествии к более зелёному будущему!

Свяжись с командой TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn